Course Outline

  1. 데이터 전처리

    1. Data Cleaning
    2. 데이터 통합 및 변환
    3. 데이터 축소
    4. 이산화 및 개념 계층 생성
  2. 통계적 추론

    1. 확률분포, 확률변수, 중심극한정리
    2. 견본 추출
    3. 신뢰 구간
    4. 통계적 추론
    5. 가설 검정
  3. 다변량 선형 회귀

    1. 사양
    2. 하위 집합 선택
    3. 견적
    4. 확인
    5. 예측
  4. 분류 방법

    1. 로지스틱 회귀
    2. 선형 판별 분석
    3. K-최근접 이웃
    4. 나이브 베이즈
    5. 분류 방법의 비교
  5. Neural Networks

    1. 신경망 피팅
    2. 신경망 문제 학습
  6. 결정 트리

    1. 회귀 트리
    2. 분류 트리
    3. 트리 대 선형 모델
  7. 배깅, Random Forest, 부스팅

    1. 포장하기
    2. Random Forests
    3. 부스팅
  8. 지원 벡터 머신 및 유연한 디스크

    1. 최대 마진 분류기
    2. 지원 벡터 분류기
    3. 지원 벡터 머신
    4. 2개 이상의 클래스 SVM
    5. 로지스틱 회귀와의 관계
  9. 주성분 분석

  10. 클러스터링

    1. K-means 클러스터링
    2. K-medoids 클러스터링
    3. 계층적 클러스터링
    4. 밀도 기반 클러스터링
  11. 모델 평가 및 선택

    1. 편향, 분산 및 모델 복잡성
    2. 샘플 내 예측 오류
    3. 베이지안 접근법
    4. 교차 검증
    5. Bootstrap 방법
 28 Hours

Number of participants


Price per participant

회원 평가 (5)

Upcoming Courses

Related Categories